PPGCCM PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: 11 4996-8337 http://propg.ufabc.edu.br/ppgccm

Banca de DEFESA: FABIANA NAOMI IEGAWA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : FABIANA NAOMI IEGAWA
DATA : 07/06/2023
HORA: 14:00
LOCAL: https://conferenciaweb.rnp.br/sala/wagner-3
TÍTULO:

Aprendizado Profundo Aplicado em SLAM Visual para Identificar Fechamento de Loop


PÁGINAS: 100
RESUMO:

Na Robótica, a navegação autônoma vem sendo abordada nos últimos anos devido ao potencial de aplicações em diferentes áreas, como industrial, saúde e entretenimento. A capacidade de navegar, seja de veículos autônomos ou robôs de serviço, está relacionada ao problema do Mapeamento e Localização Simultâneos, do inglês Simultaneous Localization And Mapping (SLAM). O Fechamento de Loop, no contexto do SLAM Visual, utiliza as informações presentes nas imagens para identificar ambientes previamente visitados, permitindo a correção e atualização do mapa e da localização do robô. O objetivo deste trabalho é apresentar um sistema para identificar o Fechamento de Loop em ambiente simulado no Gazebo e com imagens reais dos datasets públicos KITTI e TUM. Para isso, as Redes Neurais (RNs) AlexNet, ConvNeXt, ResNet, VGG-16 Original, VGG-16 Adaptada e Treinada, e VisionTransformer foram utilizadas e os resultados analisados. A VGG-16 Adaptada e Treinada foi criada a partir da VGG-16 Original por meio do conceito de transferência de aprendizado. No treinamento, foram utilizadas imagens virtuais do Gazebo para diminuir a dimensão dos descritores e aumentar a acurácia na extração de features. A implementação do sistema de Fechamento de Loop foi feita a partir do pré-processamento da imagem com a divisão em regiões direita e esquerda. Em seguida, as RNs foram utilizadas na extração de features e geração dos descritores. O limite das distâncias e a sequência de imagens foram definidos para melhorar a performance na comparação de imagens. Por fim, os resultados de cada RN foram analisados com base nas métricas de Acurácia, F1-Score, curva ROC e Area Under the Curve (AUC).


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1762339 - WAGNER TANAKA BOTELHO
Membro Titular - Examinador(a) Interno ao Programa - 1600876 - FRANCISCO DE ASSIS ZAMPIROLLI
Membro Titular - Examinador(a) Externo à Instituição - PAULO FERNANDO FERREIRA ROSA - IME
Membro Suplente - Examinador(a) Interno ao Programa - 3008222 - PAULO HENRIQUE PISANI
Membro Suplente - Examinador(a) Externo ao Programa - 1600877 - JOSE ARTUR QUILICI GONZALEZ
Notícia cadastrada em: 03/05/2023 15:45
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2024 - UFRN - sigaa-2.ufabc.int.br.sigaa-2-prod